[发明专利]一种类别自适应的极化SAR分类方法

摘要

一种类别自适应的极化SAR分类方法，属于图像处理技术领域。其分类过程为：对输入数据进行Freeman分解得散射功率矩阵Ps，Pd，Pv；根据Ps，Pd，Pv值将极化SAR图像数据初始划分为三类；计算每个像素的同极化比R，选取两个不同的阈值将每类进一步分为三类；计算每类中各像素点的自极化参数δ，按照δ值将每类细分成N类；对细分结果表征类别差异性，获得相异矩阵RD，用可视化聚类趋势估计法对RD重排，得到新矩阵RD1；将RD1变换为相异图像Im，对Im黑框识别处理，得到类别数和聚类中心；对所有输入的极化SAR数据用复Wishart迭代分类并上色，得到最终彩色分类结果图。本发明用于极化SAR图像目标识别的分割区域一致性好保留信息完整。

主权项

1.一种类别自适应的极化SAR分类方法，包括如下步骤： (1)对输入数据进行Freeman分解，得到三种散射功率矩阵P_s，P_d，P_v，其中，P_s表示表面散射功率矩阵，P_d表示二面角散射功率矩阵，P_v表示体散射功率矩阵； (2)计算同极化比R，并根据功率矩阵P_s，P_d，P_v和同极化比R对极化SAR图像数据初始化并划分成9类，具体步骤如下： 2a)利用下式计算每个像素点的同极化比R值，得到每类数据的一系列R值： 其中H表示水平极化，V表示垂直极化，S_HH表示水平向发射和水平向接收的回波数据，S_VV表示垂直向发射和垂直向接收的回波数据，|·|表示取这个数的模值； 2b)根据max(P_s，P_d，P_v)的值，将极化SAR图像数据初始划分为三类，即将max(P_s，P_d，P_v)＝P_s的对应像素点划分为平面散射类，将max(P_s，P_d，P_v)＝P_d的对应像素点划分为二面角散射类，将max(P_s，P_d，P_v)＝P_v对应像素点划分为体散射类； 2c)选取两个不同的阈值threshod1和threshod2，将步骤2b)划分的每类进一步划分为三类，即将R＜threshod1对应的像素点划分为一类，将threshod1＜R＜threshod2对应的像素点划分为一类，将R＞threshod2对应的像素点划分为一类，从而将极化SAR图像数据划分为9类，其中，threshod1＝-2，threshod2＝2； (3)计算自极化参数δ，利用自极化参数δ对步骤(2)的每一类再进行细分为N类，具体步骤如下： 3a)利用下式计算步骤2c)每一类中每个像素点的自极化参数δ值： 为了计算方便，类比式(1)，将式(2)变为 其中，S_HV表示水平向发射垂直向接收的回波数据； 3b)对每类按照δ的值将每类数据按间隔均匀细分成N类，得到共9N类，其中N＝30； (4)对步骤(3)细分结果计算类别差异性，获得相异矩阵R_D，用可视化聚类趋势估计算法对R_D重排序，得到新矩阵R_D¹； (5)将矩阵R_D¹变换为相异图像Im1，对Im1图像进行黑框识别，获得类别数目n和聚类中心V_i，其中i＝1，2，...，n，具体步骤如下： 5a)将R_D¹转化成0～255的灰度图像Im1，用Otsu自动阈值法将图像Im1二值化处理，然后用形态学腐蚀膨胀去除噪声，得到一组沿着对角线黑框组成的图像Im2； 5b)对图像Im2作距离变换转化得到灰度图像Im3，将Im3图像上所有像素的灰度值投影到主对角线上，构成一维的投影信号H1； 5c)对H1进行平滑，得到信号H2，求H2的一阶导数，根据导数的过零点检测投影信号H2中存在的波峰和波谷，波峰的个数即为数据集的类别数目n，第i个波峰位置所对应的数据作为一个聚类中心V_i，其中i＝1，2，...，n； (6)利用步骤(5)获得的类别数n和聚类中心V_i，其中i＝1，2，...，n，用复Wishart迭代方法对所有输入的极化SAR数据分类； (7)用红色R、绿色G、蓝色B三个颜色分量作为三基色，给分类结果上色，得到最终彩色分类结果图。